xmllint驗證後刪除無效的XML

Question

我收到一個大的XML文件，並且XML文件通常不會驗證爲模式文件。 我不想刪除整個xml文件，而是刪除「無效」內容並保存其餘的XML文件。

我使用xmllint驗證該命令的XML：

xmllint -schema testSchedule.xsd testXML.xml 

XSD文件（在本例中名爲testSchedule.xsd）：

<?xml version="1.0" encoding="utf-8"?> 
<xs:schema attributeFormDefault="unqualified" elementFormDefault="qualified" targetNamespace="http://www.testing.dk" xmlns:xs="http://www.w3.org/2001/XMLSchema"> 
    <xs:element name="MasterData"> 
    <xs:complexType> 
     <xs:sequence> 
     <xs:element name="Items"> 
      <xs:complexType> 
      <xs:sequence> 
       <xs:element name="Item" maxOccurs="unbounded" minOccurs="0"> 
       <xs:complexType> 
        <xs:sequence> 
        <xs:element type="xs:integer" name="Id" minOccurs="1"/> 
        <xs:element type="xs:integer" name="Width" minOccurs="1"/> 
        <xs:element type="xs:integer" name="Height" minOccurs="0"/> 
        <xs:element type="xs:string" name="Remark"/> 
        </xs:sequence> 
       </xs:complexType> 
       </xs:element> 
      </xs:sequence> 
      </xs:complexType> 
     </xs:element> 
     </xs:sequence> 
    </xs:complexType> 
    </xs:element> 
</xs:schema> 

和XML文件（在這個例子名爲testXML.xml）：

<?xml version="1.0" encoding="ISO-8859-1" ?> 
<MasterData xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns="http://www.testing.dk"> 
    <Items> 
     <Item> 
      <Id>1</Id> 
      <Width>10</Width> 
      <Height>100</Height> 
      <Remark>This is OK</Remark> 
     </Item> 
     <Item> 
      <Id>2</Id> 
      <Width>20</Width> 
      <Height>200</Height> 
      <Remark>This is OK - But is missing Height a non mandatory field</Remark> 
     </Item> 
     <Item> 
      <Id>3</Id> 
      <Height>300</Height> 
      <Remark>This is NOT OK - Missing the mandatory Width</Remark> 
     </Item> 
     <Item> 
      <Id>4</Id> 
      <Width>TheIsAString</Width> 
      <Height>200</Height> 
      <Remark>This is NOT OK - Width is not an integer but a string</Remark> 
     </Item> 
     <Item> 
      <Id>5</Id> 
      <Width>50</Width> 
      <Height>500</Height> 
      <Remark>This is OK and the last</Remark> 
     </Item> 
    </Items> 
</MasterData> 

然後我得到的xmllint命令的結果如下：

testXML.xml:18: element Height: Schemas validity error : Element '{http://www.testing.dk}Height': This element is not expected. Expected is ({http://www.testing.dk}Width). 
testXML.xml:23: element Width: Schemas validity error : Element '{http://www.testing.dk}Width': 'TheIsAString' is not a valid value of the atomic type 'xs:integer'. 
testXML.xml fails to validate 

而這一切都正確 - XML文件中有兩個錯誤。

現在我想有某種形式的工具來刪除條目3和4，所以我結束了這樣的結果：

<?xml version="1.0" encoding="ISO-8859-1" ?> 
<MasterData xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns="http://www.testing.dk"> 
    <Items> 
     <Item> 
      <Id>1</Id> 
      <Width>10</Width> 
      <Height>100</Height> 
      <Remark>This is OK</Remark> 
     </Item> 
     <Item> 
      <Id>2</Id> 
      <Width>20</Width> 
      <Height>200</Height> 
      <Remark>This is OK - But is missing Height a non mandatory field</Remark> 
     </Item> 
     <Item> 
      <Id>5</Id> 
      <Width>50</Width> 
      <Height>500</Height> 
      <Remark>This is OK and the last</Remark> 
     </Item> 
    </Items> 
</MasterData> 

在這裏沒有任何人有一個工具，可以做到這一點？ 我目前使用bash腳本和xmllint。 我真的希望有人可以幫忙。

Answer 1

使用命令行工具（如xsltproc（libxslt））或Saxon（瀏覽器或在線工具），可以使用此XSLT樣式表實現該操作，該樣式表可以在任何支持XSLT 1.0（大多數語言）的環境中運行。這是一個例子。

如果你給你的原始XML文件作爲輸入到XSLT轉換器具有以下樣式表會產生你已經在你的第二個XML所示的結果：

<?xml version="1.0" encoding="UTF-8"?> 
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0" 
    xmlns:t="http://www.testing.dk"> 
    <xsl:output indent="yes"/> 
    <xsl:strip-space elements="*"/> 

    <xsl:template match="@*|node()"> 
     <xsl:copy> 
      <xsl:apply-templates select="@*|node()"/> 
     </xsl:copy> 
    </xsl:template> 

    <xsl:template match="t:Item[t:Id  and not(number(t:Id))]"/> 
    <xsl:template match="t:Item[t:Width and not(number(t:Width))]"/> 
    <xsl:template match="t:Item[t:Height and not(number(t:Height))]"/> 
    <xsl:template match="t:Item[not(t:Width)]"/> 
    <xsl:template match="t:Item[not(t:Id)]"/> 
    <xsl:template match="t:Item[not(t:Remark)]"/> 

</xsl:stylesheet> 

第一<xsl:template>塊簡單的拷貝從所有節點源樹到結果樹。它的優先級低於按名稱匹配節點的特定模板。

由於匹配是在需要符合命名空間限定的選擇器的XPath中完成的，因此您的默認名稱空間在<xsl:stylesheet>開始標記中聲明並映射到用於限定標記名稱的前綴。

每個模板都使用XPath表達式來測試Item中是否存在特定子元素，或者如果該子元素是數字（根據XSD），那麼該子元素是否存在。

我正在使用XSLT 1.0，它受到更廣泛的支持，應該更容易在您的環境中找到。但是，如果您可以使用XSLT 2.0處理器，則可以使用XSLT 2.0功能（如支持XSD類型），而不是將您的值與數字類型進行比較，您可以將它們與特定類型（如xsd:integer）進行比較。

您可以驗證該樣式表在這個XSLT Fiddle中對示例XML執行的轉換。

如果你創建一個包含上面的代碼中的XML文檔，並將其放置在一個文件名爲stylesheet.xsl可以運行使用xsltproc轉型（這可能已存在於環境）使用：

xsltproc stylesheet.xsl testXML.xml > fixedXML.xml